Adaptive Weight Multi-channel Matching Pursuit Algorithm-Based Strong Shielding Removal Method
-
摘要: 阻抗差异较大的地层在地震剖面上呈现为强振幅同相轴，会掩盖附近储层有效信息，需要做去除强屏蔽的目标处理。针对常规匹配追踪方法在构造复杂地区匹配精度和空间连续性不佳的问题，本文提出一种基于自适应权值的多道匹配追踪去强屏蔽方法。首先利用层位构造信息对强反射层进行局部拉平处理，减弱地层空间构造对提取强反射层的影响，然后引入相邻地震道与中心道之间的相关系数作为多道平均的权值，以提高匹配结果的稳定性和横向连续性。同时使用解释得到的层位时间作为子波初始时间，有效提高运算效率。模型试算和实际地震资料应用分析表明，改进方法能有效剥离强反射并突出有效储层信息，剥离后的井震吻合度得到明显提升，相较于常规匹配追踪算法匹配精度更高，同时具有更好的空间连续性与强反射去除效果。Abstract: The strata with large impedance differences are presented as strong amplitude seismic events on the seismic profile, which obscure useful information of nearby reservoirs and need interpretive target processing to remove the strong shielding. Therefore, this study proposes a multi-channel matching pursuit algorithm based on adaptive weight to remove strong shielding. Moreover, to address the problem of poor matching accuracy and spatial continuity of normal multi-channel matching pursuit at area where strong tectonic changes occur, a multi-channel matching pursuit de-strong shielding method based on adaptive weights is proposed. First, we used the layer structure information to flatten the strong reflection layer locally to weaken the influence of stratigraphic structure changes on the extraction of the strong reflection layer. Subsequently, we introduced a correlation coefficient between adjacent seismic traces and the central trace as the weight of multi trace averaging, which improved the stability and lateral continuity of the matching results. The result analysis of model processing tests and practical seismic data application shows that the proposed method can effectively strip the strong reflections and highlight the effective reservoir information; the well seismic match degree is significantly improved with higher matching accuracy, better spatial continuity, and better striping effect than those of the conventional matching pursuit algorithm.
-
新型冠状病毒感染（COVID-19）具有较强传染性[1]，根据《新型冠状病毒感染诊疗方案（试行第十版）》，将有心血管疾病（含高血压）、慢性肺疾病病、糖尿病、慢性肝病、肾脏疾病、肿瘤等基础病者定义为重型/危重型高危人群[2]。
本文回顾分析柳州市柳铁中心医院收治COVID-19患者584例，其中糖尿病患者肺部COVID-19 225例；无糖尿病患者感染COVID-19 359例，比较两组COVID-19胸部高分辨CT表现特点；定义发病与CT检查间隔7 d为急性期，分析糖尿病患者合并COVID-19感染急性期肺部影像特点。提高糖尿病者感染COVID-19影像学认识，进一步为临床诊断提供依据并改善预后。
1. 材料与方法
1.1 研究人群
收集2022年12月14日至2023年1月10日期间在柳州市柳铁中心医院以上呼吸道感染就医患者2679例，其中胸部CT表现阳性且抗原或核酸检测阳性的患者1099例，排除图像伪影较重者；无空腹血糖或糖化血红蛋白者；最终纳入584例患者，其中男性359例，女性225例，年龄范围60～99岁，平均年龄（76±9）岁；无糖尿病患者359例；糖尿病患者225例，糖尿病病史不等，本组病例中以病史10年以上者多见，糖尿病病史10年以上102人；225例患者住院期间糖化血红蛋白HbA1c＞6.5％。
本研究经柳州市柳铁中心医院伦理委员会批准，同意开展本项研究（意见号KY2023-056-01），且本研究不需要患者知情。
1.2 CT扫描技术
采用西门子drive扫描仪，患者仰卧位，头先进或足先进，吸气后屏气，扫描范围从肺尖到膈顶。扫描参数：管电压120 kV，管电流80～120 mA，层间距0.625 mm，层厚1 mm。图像采用高分辨算法重建。
1.3 影像分析
有两名主治及以上放射科诊断医师独立完成，并由1名主任医师审核，在PACS工作站上分别选择肺窗（窗宽和窗位为1600和 -600），纵隔窗（窗宽和窗位为350和45）观察并分析图像。
具体指标包括：①病变分布：单叶、单肺和双肺；②病变部位：周围（即胸膜下）、中央（沿支气管血管束）及混合；③病变形态：结节（1 cm以内）、斑片（3 cm）、大片（大于3 cm）；④病变密度：磨玻璃样、网格状、实变、混合型、病变密度均匀、不均匀；⑤病变边缘：模糊、清晰；⑥伴随病变：膜增厚、胸腔积液。
1.4 统计学分析
采用SPSS 21.0软件，根据患者有无糖尿病将患者分为两组，比较两组患者相关的HRCT表现特征。定义发病与CT检查时间间隔＜7 d为急性期，分析急性期糖尿病合并COVID-19与非糖尿病合并COVID-19两组患者HRCT表现特征。
组间计数资料统计采用分类变量的卡方检验，定量数据进行独立样本t检验，P＜0.05表示差异有统计学意义。
2. 结果
糖尿病患者感染COVID-19与非糖尿病患者感染COVID-19两组患者肺部病变密度（网格、密度不均匀）、边缘（病灶边缘模糊）比较差异均有统计学意义，糖尿病组肺内病灶实变多见，且病灶密度均匀且边缘清晰（图1和图2）。两组病变在发病部位、分布、形态及伴随征象差异无统计学意义；急性期肺内病变在糖尿病患者肺部COVID-19与非糖尿病患者肺部COVID-19两组患者肺部HRCT表现比较，网格影在急性期非糖尿病组患者中更多见。两组具体影像学征象对照及比较结果详见表1、表2和表3。
![]()
图 1 男性，63岁，发热3 d，无糖尿病，HRCT显示双肺外周胸膜下GGO，密度不均匀，部分病灶边缘模糊Figure 1. A 63-year-old man, a patient without diabetes mellitus, presented with a fever for 3 days, HRCT demonstrates peripheral subpleural ground glass opacities (GGO) in both lungs, with some lesions showing uneven density and blurred edges![]()
图 2 女，65岁，糖尿病病史9年，餐后血糖控制不佳，咳嗽3 d肺内多发实变样，病变边缘清晰Figure 2. A 65-year-old female with a history of diabetes for 9 years and elevated blood sugar after meals, presented with a cough for 3 days. HRCT shows multiple lung lesions with clear lesion edges表 1 有无糖尿病两组患者的HRCT表现特征一览表Table 1. HRCT features in patients with and without diabetes mellitus项目 组别 统计检验 无糖尿病/例（％） 有糖尿病/例（％） $\chi^2 $ P 病变数量 多发 359（100.00） 224（99.50） 1.590 0.206 累及部位 单叶 3（0.84） 0（0.00） 1.890 0.169 单肺 7（1.95） 2（0.89） 1.026 0.311 双肺 351（97.77） 220（97.78） 0.000 0.996 病变分布 周围（胸膜下） 114（31.75） 83（36.89） 1.631 0.202 中央（血管周） 6（1.67） 6（2.67） 0.681 0.409 混合性 239（66.57） 137（60.89） 1.949 0.163 病变形态 结节（1 cm） 159（44.29） 109（48.44） 0.962 0.327 斑片状（3 cm） 275（76.60） 178（79.11） 0.501 0.479 大片状（＞3 cm） 240（66.85） 149（66.22） 0.025 0.875 病变密度 GGO 314（87.47） 189（84.00） 1.390 0.238 实变 41（11.42） 37（16.44） 3.017 0.082 网格影 127（35.38） 54（24.00） 8.369 0.004** 不均匀 313（87.19） 181（80.44） 4.823 0.028** 均匀 77（21.45） 59（26.22） 1.764 0.184 病变边缘 模糊 344（95.82） 205（91.11） 5.448 0.020* 清晰 19（5.29） 18（8.00） 1.709 0.191 伴随病变 血管增粗 26（7.24) 25（11.11） 2.597 0.107 胸膜增厚 203（56.55） 130（57.78） 0.086 0.770 胸水形成 54（15.04） 27（12.00） 1.071 0.301 注：*-P<0.05，**-P<0.01。 表 2 COVID-19急性期糖尿病患者与非糖尿病患者的临床信息Table 2. Clinical information on patients with and without diabetes in the acute phase of COVID-19项目 组别 统计检验 无糖尿病（n=221） 有糖尿病（n=142） t P 发病时间/d 4.74±2.12 4.45±2.28 1.211 0.227 年龄 78.00±9.37 75.85±8.63 2.203 0.028* 注：急性期定义为发病时间＜7 d。*-P<0.05。 表 3 COVID-19急性期糖尿病患者与非糖尿病患者的HRCT特征一览表Table 3. HRCT characteristics in patients with and without diabetes in the acute phase of COVID-19项目 特征 组别 统计检验 无糖尿病（n=221）
/
例（％）有糖尿病（n=142）
/
例（％）$\chi^2 $ P 病变数量 多发 221（100.00） 141（99.50） 1.590 0.206 累及部位 单肺 6（2.71） 2（1.41） 0.685 0.408 双肺 214（96.83） 138（97.18） 0.036 0.849 病变分布 周围（胸膜下） 65（29.41） 49（34.51） 1.042 0.307 中央（血管周） 5（2.26） 5（3.52） 0.511 0.475 混合性 153（69.23） 90（63.38） 1.377 0.248 病变形态 结节/树丫（1 cm） 86（38.91） 63（44.37） 1.062 0.303 斑片状（3 cm） 161（72.85） 110（77.46） 0.973 0.324 大片状（＞3 cm） 157（71.04） 100（70.42） 0.016 0.899 病变密度 GGO 190（85.97） 121（85.21） 0.041 0.840 实变 30（13.57） 28（19.72） 2.431 0.119 网格影 82（37.10） 35（24.65） 6.141 0.013* 不均匀 188（85.07） 117（82.39） 0.460 0.497 均匀 49（22.17） 38（26.76） 0.999 0.318 病变边缘 模糊 212（95.93） 130（91.55） 3.041 0.081 清晰 11（4.98） 11（7.75） 1.164 0.281 伴随病变 血管增粗 17（7.69） 18（12.68） 2.465 0.116 胸膜增厚 129（58.37） 85（59.86） 0.079 0.779 胸水形成 35（15.84） 20（14.08） 0.207 0.649 注：*-P<0.05。 3. 讨论
COVID-19是一种基因组结构不同于其他呼吸道病毒且侵袭性和传播性较强的β属特殊毒株，通过S蛋白与人血管紧张素转化酶-2（ACE2）互相作用感染人呼吸道黏膜上皮细胞、Ⅱ型肺泡上皮细胞和肺间质以及微血管血栓形成和多系统脏器受累等改变[3-4]。人群普遍易感，重型及危重型多见于合并基础病者如糖尿病。COVID-19感染主要依靠病毒核酸检测确诊，核酸检测存在时间长和假阴性，HRCT有助于提高COVID-19的检出率和诊断准确率[5]，部分患者核酸阴性影像却具有典型病毒性肺炎征象，国家卫生健康委员会《新型冠状病毒感染的肺炎诊疗方案（试行第五版）》中[6]，将CT表现纳入临床诊断依据。
本研究分析了584例新型冠状病毒感染（COVID-19）HRCT表现阳性的患者，统计结果显示多数影像学征象与文献一致[3-4,7-16]。225例糖尿病患者新型冠状病毒感染后双肺HRCT表现在发病部位、分布、形态及伴随征象与常规人群感染COVID-19无明显差异，均表现为双肺多发、周围（胸膜下）分布为主的结节、斑片及大片磨玻璃及实变影；病变密度均匀与否及病变边缘改变差异有统计学意义；发病与CT检查间隔小于7 d分组，糖尿病组患者COVID-19和非糖尿病组患者COVID-19之间，病变密度网格影改变差异有统计学意义。病变的HRCT征象如密度、形态和边缘因其病理特征和病变程度的不同多呈现不均匀磨玻璃、实变影及网格影，边缘多表现为模糊。
本研究结果显示糖尿病组患者COVID-19肺炎早期病变即出现密度均匀和病变边缘清晰的表现，文献报道较少。尸体解剖证实COVID-19主要是引起深部气道、间质和肺泡损伤为特征的炎性反应[17]，糖尿病患者COVID-19感染肺部病变HRCT显示网格影少于非糖尿病组，说明糖尿病患者感染COVID-19时肺泡渗出为主，间质受累少见，有研究显示小叶内间隔增厚是COVID-19肺炎的独立预测因子之一[18-19]，而糖尿病合并COVID-19感染，肺内网格影少见，这可能与糖尿病患者自身免疫有关。渗出为主是否是糖尿病患者易发生重症原因，需要进一步研究证实。
总之，糖尿病患者合并COVID-19肺炎，HRCT表现双肺多发，周围分布为主，渗出为主，网格影少见，病变密度均匀、病变边缘相对清晰。合并或者不合并胸膜改变。基础病是COVID-19感染后发生重症的主要原因之一，熟悉糖尿病患者合并COVID-19肺炎HRCT征象，为临床治疗及评估预后提供依据。
本研究的局限在性，两组病例未纳入临床指标及氧饱和度与患者影像改变进行相关性分析；糖尿病组患者病史长短及血糖控制情况感染后机体反应是否存在差异；此外糖尿病往往合并心脑血管病变，并发症有无是否与肺内病灶改变及预后的研究尚需进一步研究。
-
![]()
图 1 匹配追踪分解重构示意图
Figure 1. Schematic of matching pursuit decomposition and reconstruction
![]()
图 4 使用不同方法去强反射层结果
Figure 4. Results of using different methods to remove strong reflection layers
![]()
图 5 理论模型分解重构结果对比
Figure 5. Comparison of theoretical model decomposition and reconstruction results
![]()
图 6 B1井标定及综合解释结果
Figure 6. B1 well calibration and comprehensive interpretation results
-
[1] 韩文功, 张军华. 弱反射地震信号特征及识别方法理论研究[J]. 石油地球物理勘探, 2011,46(2): 232−236. doi: 10.13810/j.cnki.issn.1000-7210.2011.02.013 HAN W G, ZHANG J H. Theoretical study on the characteristics of weak reflection seismic signals and identification methods[J]. Oil Geophysical Prospecting, 2011, 46(2): 232−236. (in Chinese). doi: 10.13810/j.cnki.issn.1000-7210.2011.02.013
[2] 朱博华, 向雪梅, 张卫华. 匹配追踪强反射层分离方法及应用[J]. 石油物探, 2016,55(2): 280−287. doi: 10.3969/j.issn.1000-1441.2016.02.014 ZHU B H, XIANG X M, ZHANG W H. Strong reflection horizons separation based on matching pursuit algorithm and its application[J]. Geophysical Prospecting for Petroleum, 2016, 55(2): 280−287. (in Chinese). doi: 10.3969/j.issn.1000-1441.2016.02.014
[3] 张军华, 刘振, 刘炳杨, 等. 强屏蔽层下弱反射储层特征分析及识别方法[J]. 特种油气藏, 2012,19(1): 23−26. doi: 10.3969/j.issn.1006-6535.2012.01.004 ZHANG J H, LIU Z, LIU B Y, et al. Analysis and identification of reservoir characteristics of weak reflector under strong shielding layer[J]. Special Oil & Gas Reservoirs, 2012, 19(1): 23−26. (in Chinese). doi: 10.3969/j.issn.1006-6535.2012.01.004
[4] 李曙光, 徐天吉, 唐建明, 等. 基于频率域小波的地震信号多子波分解及重构[J]. 石油地球物理勘探, 2009,44(6): 675−679. doi: 10.3321/j.issn:1000-7210.2009.06.006 LI S G, XU T J, TANG J M, et al. Seismic signal multi-wavelet decomposition and reconfiguration based on wavelet in frequency domain[J]. Oil Geophysical Prospecting, 2009, 44(6): 675−679. (in Chinese). doi: 10.3321/j.issn:1000-7210.2009.06.006
[5] 秦雪霏, 李巍. 大牛地气田煤系地层去煤影响储层预测技术[J]. 吉林大学学报: 地球科学版, 2014,44(3): 1048−1054. QIN X F, LI W. Research of identification and striping of coal-bed interference in Danoudi gas field[J]. Journal of Jilin University: Earth Science Edition, 2014, 44(3): 1048−1054. (in Chinese).
[6] MALLAT S, ZHANG Z. Matching pursuit with time-frequency dictionaries[J]. IEEE Transactions on Signal Processing, 1993, 41(12): 3397−3415. doi: 10.1109/78.258082
[7] CHAKRABORTY A, OKAYA D. Frequency-time decomposition of seismic data using wavelet-based methods[J]. Geophisics, 1995, 60(6): 1906−1916. doi: 10.1190/1.1443922
[8] LIU J L, WU Y F, HAN D H, et al. Time-frequency decomposition based on Ricker wavelet[J]. SEG Technical Program Expanded Abstracts, 2004, 23: 1937−1940.
[9] 宋维琪, 朱卫星, 孙英杰. 复数子波匹配追踪算法识别薄层砂体[J]. 地球物理学进展, 2007,22(6): 1796−1801. doi: 10.3969/j.issn.1004-2903.2007.06.018 SONG W Q, ZHU W X, SUN Y J. Identification of thin sand body by complex wavelet matching pursuit algorithm[J]. Progress in Geophysics, 2007, 22(6): 1796−1801. (in Chinese). doi: 10.3969/j.issn.1004-2903.2007.06.018
[10] WANG Y H. Seismic time-frequency spectral decomposition by matching pursuit[J]. Geophysics, 2007, 72(1): V13−V20. doi: 10.1190/1.2387109
[11] WANG Y H. Multichannel matching pursuit for seismic trace decomposition[J]. Geophysics, 2010, 72(1): V61−V66.
[12] 张在金, 张军华, 李军, 等. 煤系地层地震强反射剥离方法研究及低频伴影分析[J]. 石油地球物理勘探, 2016,51(2): 376−383. doi: 10.13810/j.cnki.issn.1000-7210.2016.02.023 ZHANG Z J, ZHANG J H, LI J, et al. Research on coal seam strong reflection stripping method and low frequency shadow analysis[J]. Oil Geophysical Prospecting, 2016, 51(2): 376−383. (in Chinese). doi: 10.13810/j.cnki.issn.1000-7210.2016.02.023
[13] 许璐, 吴笑荷, 张明振, 等. 基于局部频率约束的动态匹配追踪强反射识别与分离方法[J]. 石油地球物理勘探, 2019,54(3): 587−593. doi: 10.13810/j.cnki.issn.1000-7210.2019.03.011 XU L, WU X H, ZHNAG M Z, et al. Identification and separation of strong reflection based on local-frequency-constrainted dynamic matching pursuit[J]. Oil Geophysical Prospecting, 2019, 54(3): 587−593. (in Chinese). doi: 10.13810/j.cnki.issn.1000-7210.2019.03.011
[14] 何峰, 翁斌, 韩刚, 等. 一种基于地震约束的井控匹配追踪煤层强反射消除技术[J]. 中国海上油气, 2019,31(1): 61−66. HE F, WENG B, HAN G, et al. A seismic constraint-based technology for coal seam strong reflection elimination via well-control matching tracking[J]. China Offshore Oil and Gas, 2019, 31(1): 61−66. (in Chinese).
[15] 杨子鹏, 宋维琪, 刘军, 等. 多道联合约束的匹配追踪强反射轴压制方法[J]. 石油地球物理勘探, 2021,56(1): 77−85. doi: 10.13810/j.cnki.issn.1000-7210.2021.01.009 YANG Z P, SONG W Q, LIU J, et al. Multi-channel joint constraint matching pursuit strong reflection suppression method[J]. Oil Geophysical Prospecting, 2021, 56(1): 77−85. (in Chinese). doi: 10.13810/j.cnki.issn.1000-7210.2021.01.009
[16] 张云银, 魏欣伟, 谭明友, 等. 基于压缩感知技术的去除强屏蔽研究及应用[J]. 岩性油气藏, 2019, 31(4): 85-91. ZHANG Y Y, WEI X W, TAN M Y, et al. Research and application of strong shielding removal based on compressed sensing technology[J]. Lithologic Reservoirs, 2019, 31(4): 85-91. (in Chinese).
[17] XUE J, CAI C, GU H, et al. Matching pursuit-based sparse spectral analysis: Estimating frequency-dependent anomalies from nonstationary seismic data[J]. Geophysics, 2020, 85(5): V385−V396. doi: 10.1190/geo2018-0758.1
[18] LIU J, MARFURT K J. Matching pursuit decomposition using Morlet wavelets[C]//SEG Technical Program Expanded Abstracts, 2005, 24: 786-789.
[19] 刘磊, 张秋, 张军华, 等. 基于匹配追踪算法的强屏蔽剥离技术在樊159井区储层预测中的应用[J]. CT理论与应用研究, 2016,25(3): 331−337. DOI: 10.15953/j.1004-4140.2016.25.03.09. LIU L, ZHANG Q, ZHANG J H, et al. Application of the strong shield peeling technique based on matching pursuit algorithm in the reservoir prediction of Fan 159 well block[J]. CT Theory and Applications, 2016, 25(3): 331−337. DOI: 10.15953/j.1004-4140.2016.25.03.09. (in Chinese).
下载:
计量
- 文章访问数: 323
- HTML全文浏览量: 154
- PDF下载量: 38
